| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 软件缺陷预测研究现状 | 第9-10页 |
| 1.3 本文主要研究工作概述 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 第二章 论文背景知识介绍 | 第12-22页 |
| 2.1 稀疏表示分类算法 | 第12-16页 |
| 2.1.1 稀疏表示分类算法的基本原理 | 第12-13页 |
| 2.1.2 字典学习算法 | 第13-14页 |
| 2.1.3 联合表示分类算法 | 第14-16页 |
| 2.2 经典分类算法模型 | 第16-21页 |
| 2.2.1 支持向量机算法模型 | 第17-18页 |
| 2.2.2 朴素贝叶斯算法模型 | 第18-19页 |
| 2.2.3 决策树算法模型 | 第19-20页 |
| 2.2.4 神经网络算法模型 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 基于加权代价敏感联合表示的软件缺陷预测 | 第22-33页 |
| 3.1 动机与思路 | 第22-23页 |
| 3.2 基于加权代价敏感联合表示的软件缺陷预测方法 | 第23-26页 |
| 3.2.1 WCCR方法模型 | 第23-25页 |
| 3.2.2 WCCR方法步骤 | 第25-26页 |
| 3.3 实验介绍 | 第26-29页 |
| 3.3.1 数据库介绍 | 第26-27页 |
| 3.3.2 评价指标 | 第27-28页 |
| 3.3.3 实验设置 | 第28-29页 |
| 3.4 实验结果及分析 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于马氏距离加权代价敏感联合表示的软件缺陷预测 | 第33-41页 |
| 4.1 动机与思路 | 第33-34页 |
| 4.2 基于马氏距离加权代价敏感联合表示的软件缺陷预测方法 | 第34-37页 |
| 4.2.1 马氏距离 | 第34-35页 |
| 4.2.2 大间隔最近邻算法 | 第35-36页 |
| 4.2.3 MWCCR方法模型 | 第36-37页 |
| 4.2.4 MWCCR方法步骤 | 第37页 |
| 4.3 实验结果及分析 | 第37-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 基于分步核联合表示的软件缺陷预测 | 第41-51页 |
| 5.1 动机与思路 | 第41页 |
| 5.2 基于分步核联合表示的软件缺陷预测方法 | 第41-46页 |
| 5.2.1 核方法介绍 | 第42页 |
| 5.2.2 TPKCR方法模型 | 第42-46页 |
| 5.2.3 TPKCR方法步骤 | 第46页 |
| 5.3 实验结果及分析 | 第46-49页 |
| 5.4 本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 本文工作总结 | 第51-52页 |
| 6.2 进一步研究展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第57-58页 |
| 致谢 | 第58页 |
